Persoonlijke AI-agents die zelf taken voor je oppakken, schieten als paddenstoelen uit de grond. Maar welke doet zijn werk echt goed? Een redacteur van WIRED zette zes van die agents een dag lang naast elkaar, van Meta Muse tot Anthropic Claude Duet, en gaf ze dezelfde opdrachten.

Allemaal dezelfde reis door China

Een van de tests: een eerste opzet maken voor een reis van twee weken door China, met vluchten, hotels, eten en uitgaan, en met maximaal vier hotels. Opvallend genoeg kwamen alle agents met precies dezelfde route uit: aankomen in Beijing, met de snelle trein via Xi'an naar Chengdu en eindigen in Shanghai. De tester waarschuwt voor een nieuw soort 'Lonely Planet-effect', waarbij reizigers die op AI vertrouwen allemaal naar dezelfde plekken, winkels en restaurants worden gestuurd.

Een andere test was minder praktisch: midden in de nacht, slapeloos, om hulp vragen. Volgens de tester gingen Gemini Spark en Claude Duet daar de mist in. Ze reageerden zonder het gevoel voor situatie dat je van een mens zou verwachten.

De uitslag

  • Beste overall: OpenAI Dots. Scoorde het hoogst, maar zit nog achter een duur abonnement. De tester raadt de meeste mensen aan te wachten tot Dots gratis of in het abonnement van 20 dollar per maand komt. Hoe OpenAI van zijn programmeertools deze assistent maakte, lees je in ons eerdere stuk over dots.
  • Meest toegankelijk: Meta Muse. Gratis, het makkelijkst in te stellen en een nipte tweede plek. Wel uit de tester zorgen over hoe Meta met gebruikersgegevens omgaat, ondanks Meta's belofte dat alles in afgeschermde virtuele machines gebeurt.
  • Beste interface: Claude Duet. Een dag na de lancering als onderzoeksversie getest. Scoorde middelmatig, maar de app was het prettigst om lopende taken te volgen. Toegang gaat via een wachtlijst en kost 20 dollar per maand. Meer over Duet lees je in ons bericht over de lancering.
  • Meest irritant: Instinct. Deze agent werkt alleen via berichtjes in je chatapp. Daardoor had de tester te weinig zicht op wat de agent namens hem of haar deed, en de emoji-reacties werkten op de zenuwen.

Nog ver van Nederland

Voor Nederlandse gebruikers is de test vooral een vooruitblik. Duet is voorlopig alleen voor betalende abonnees in de Verenigde Staten, en ook bij de andere agents is brede Europese beschikbaarheid niet vanzelfsprekend. Bovendien laat de test zien waar het knelt zodra agents echt dingen gaan doen op internet: winkels als The RealReal weren AI-agents al nadat Muse misbruikt kon worden om producten vast te houden.

Houd er rekening mee dat dit een test van één persoon op één dag is, met taken die passen bij het eigen leven van de tester. Het is een indruk, geen benchmark.